Основные принципы параллельных вычислений

Выбор решения для параллельных вычислений

Параллельные вычисления могут помочь вам решить большие вычислительные задачи различными способами. MATLAB® и Parallel Computing Toolbox™ обеспечивают интерактивное окружение программирования, которая поможет решить ваши вычислительные задачи. Если ваш код запускается слишком медленно, можно его профилировать, векторизировать и использовать встроенную поддержку параллельных вычислений MATLAB. Тогда можно попытаться ускорить код, используя parfor на нескольких работниках MATLAB в параллельном пуле. Если у вас есть большие данные, можно масштабировать с помощью распределенных массивов или datastore. Можно также выполнить задачу, не дожидаясь ее завершения, используя parfeval, чтобы можно было продолжать с другими задачами. Для решения задач параллельных вычислений можно использовать различные типы оборудования, включая рабочие компьютеры, графические процессоры, кластеры и облака.

Функции

расширить все

parforВыполните for-итерации цикла параллельно на рабочих
parfevalВыполняйте функцию асинхронно на работнике параллельного пула
gpuArrayМассив, сохраненный на графическом процессоре
distributedДоступ к элементам распределенных массивов от клиента
batchЗапустите скрипт MATLAB или функцию на рабочем
parpoolСоздайте параллельный пул в кластере
ticBytesНачните подсчет байтов, переданных в параллельном пуле
tocBytesПрочитайте, сколько байтов было передано после вызова ticBytes

Темы

Основы

Выбор решения для параллельных вычислений

Узнайте самые важные функциональности, предлагаемые MATLAB и Parallel Computing Toolbox, чтобы решить вашу задачу параллельных вычислений.

Запуск функций MATLAB с автоматической параллельной поддержкой

Воспользуйтесь ресурсами параллельных вычислений, не требуя дополнительного кодирования.

Интерактивный запуск цикла параллельно с использованием parfor

Преобразуйте медленный for-включиться в более быстрый parfor-цикл.

График во время протягивания параметра с parfor

Этот пример показывает, как выполнить сдвиг параметра параллельно и построить график прогресса во время параллельных расчетов.

Масштабирование с рабочего стола на кластер

В этом примере показано, как разработать параллельный код MATLAB ® на локальной машине и масштабироваться до кластера .

Запуск пакетных параллельных заданий

Используйте пакет для выгрузки работы из сеанса работы с MATLAB для выполнения в фоновом режиме.

Обработка Больших данных в облаке

В этом примере показано, как получить доступ к большому набору данных в облаке и обработать его в облачном кластере с помощью возможностей MATLAB для больших данных.

Вычислите функции в фоновом режиме с помощью parfeval

Вырваться из цикла раньше и собрать результаты по мере их поступления.

Запуск функций MATLAB на графическом процессоре

Сотни функций в MATLAB и других тулбоксах запускаются автоматически на графическом процессоре, если вы поставляете gpuArray аргумент.

Обучите сеть в облаке с помощью автоматической параллельной поддержки

В этом примере показано, как обучить сверточную нейронную сеть с помощью автоматической поддержки MATLAB для параллельного обучения.

Подробнее

Что такое параллельные вычисления?

Узнайте о MATLAB и Parallel Computing Toolbox.

Запуск кода в параллельных пулах

Узнайте о запуске и остановке параллельных пулов, размере пула и выборе кластера.

Выбор между окружениями на основе потоков и процессами

С помощью Parallel Computing Toolbox можно запускать параллельный код в различных параллельных окружениях, такие как окружения на основе потоков или на основе процессов.

Запуск функций MATLAB для рабочих потоков

Используйте поддерживаемые потоками параллельные пулы, чтобы ускорить код MATLAB.

Установите переменные окружения для работников

Скопируйте переменные системного окружения из клиента в работники кластера.

Связанная информация

Рекомендуемые примеры

Для просмотра документации необходимо авторизоваться на сайте